cuda+cudnn+pytorch2.2安装

原创 已于 2025-02-25 11:46:22 修改 · 1.9k 阅读 · 27 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pytorch

于 2024-12-04 22:24:31 首次发布
部署运行你感兴趣的模型镜像

之前安装GPU一直是囫囵吞枣，秉承能用就行的原则，现在尝到了恶果，从这次开始记录电脑的配置环境

由于要复现一篇文章代码，他用的torch=2.2，同时由于复现代码导致突然原来的cuda报错OSError: [WinError 127] 找不到指定的程序。 Error loading “D:\Anaconda3\envs\pytorch39_cuda\lib\site-packages\torch\lib\c10_cuda.dll” or one of its dependencies.

尝试多种方法解决未果
因此，重新用anoconda创建环境，重新配置

声明情况: 目前电脑已经有cuda11.0版本和10.0版本

主要参考：文章配置环境

1. 输入nvidia-smi

从右上角可以看出工位电脑cuda支持的最高版本是12.4
在这里插入图片描述由于复现的代码torch为2.2，经过网上搜索发现cuda11.8+torch2.2可以支持，因此以下步骤全部参考自https://blog.youkuaiyun.com/imok1234567/article/details/140251769

2. 下载cuda11.8

进入下载页面CUDA Toolkit Archive | NVIDIA Developer（https://developer.nvidia.com/cuda-11-8-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local），选择cuda11.8，这个版本用的人很多，可以支持绝大部分的深度学习项目。
根据自己电脑系统情况选择下面的选项，最终点击download
在这里插入图片描述
双击 .exe 文件
更改 CUDA 安装时缓存位置（默认为 C盘，不更改也可以，但得与原先安装的 CUDA 的安装缓存位置不同，或者该位置为空）下面参考的这篇文章
在这里插入图片描述我是直接把C改为了D

同意软件许可协议并继续

选择自定义安装

勾选驱动程序组件
由于之前已经安装过 CUDA，此时我们只需要选择 CUDA 即可
（这里我的与参考链接中不一致，我的有四个选项，所以把后两个取消了勾选）
在这里插入图片描述
如果之前没有安装过vs，则需要把CUDA里面的
Visual Studio Integration取消勾选，否则会安装不成功
在这里插入图片描述

选择安装位置
默认安装位置为 C 盘，可以自由选择安装到其他盘，但需要记住安装位置，后期会使用到（我的只有后两个）
在这里插入图片描述选择 I understand，并继续

安装结束在这里插入图片描述查看环境变量是否配置

搜索查看高级系统设置->高级-> 环境变量
可以看到有这两项
在这里插入图片描述
验证安装是否成功
在这里插入图片描述# 3. 下载cudnn
进入下载页面cuDNN 历史版本 | NVIDIA 开发者，选择”下载 cuDNN v8.9.7 (2023年12月5日), 适用于 CUDA 11.x“，后面的适用于CUDA 11.x意思是支持cuda11的任何一个版本，也包括本次选择的cuda11.8。然后点击”Local Installer for Windows (Zip)“，这里需要注册用户才能下载，由于是选择了英伟达在中国的官网，所以下载速度会快一点。

没登陆英伟达网站的话，过程中会跳转需要登录，登录后再重新进入，依次点击下面红色
在这里插入图片描述解压下载好的cudnn安装包，同时打开刚刚安装cuda的地址，如果是默认路径， 那么是在”C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8“路径下。

整体cudnn的安装过程是将右边cudnn文件夹下的文件，复制到左边的cuda目录下。首先将cudnn文件夹中的bin和include两个文件夹中的内容，拷贝到cuda安装目录下的bin和include文件夹中。在cudnn中的lib文件夹下，有一个x64文件夹，同理将里面的内容，拷贝到cuda安装目录下的lib文件夹下的x64文件夹中。
在这里插入图片描述

4.创建虚拟环境

输入代码创建虚拟环境，其中“ai”，替换为自己想创建的虚拟环境名字。

conda create -n ai python==3.10
这里我创建的是

conda create -n cuda118cudnn89torch22py39 python==3.9

5.torch环境配置

进入pytorch官网Previous PyTorch Versions | PyTorch，选择torch2.2.2—CUDA 11.8的代码
conda install pytorch2.2.2 torchvision0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia
在这里插入图片描述耐心等待

后来报错内存不够，所以音频的没装
改为下面的代码（先不要安，后面报错了）：
pip install torch2.2.2+cu118 torchvision0.17.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

报错：

Installing collected packages: numpy, networkx, torch, torchvision
ERROR: pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
torchmetrics 1.4.0.post0 requires packaging>17.1, which is not installed.
Successfully installed networkx-3.2.1 numpy-2.0.2 torch-2.2.2+cu118 torchvision-0.17.2+cu118

解决办法：
先conda install packaging
然后再pip install torch2.2.2+cu118 torchvision0.17.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118
验证安装成功
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 2万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
ubuntu20.04 安装Anaconda3+CUDA+cudnn+Pytorch
yishuihanq的博客
12-28 8814
ubuntu20.04 安装Anaconda3+CUDA+cudnn+Pytorch 1、安装Anaconda： 打开终端,转到自己的下载目录下（命令为：cd /home/oliver/下载 ），然后输入以下命令： bash Anaconda3-2020.11-Linux-x86_64.sh 终端中查看Anaconda版本：conda -V 或者 conda --version 2、安装NVIDIA驱动：(我选用的方法2) （方法1）查看可安装的驱动：ubuntu-drivers devices..
pytorch安装报错：OSError: [WinError 127]，c10_cuda.dll缺失。
weixin_43889609的博客
10-12 1万+
pytorch安装报错记录： OSError: [WinError 127]，c10_cuda.dll缺失。解决方法：卸载重装。 AttributeError: module 'numpy' has no attribute 'ndarray'解决方法：卸载安装其他版本的numpy。
cuda 常用dll库
06-27
移动文件夹时需同时移动的dll文件 cudart.dll cutil32.dll cutil32D.dll cv100.dll cxcore100.dll dir.bat highgui100.dll libguide40.dll
cuda开发的DLL下载
10-26
包括经常找不到的cudart.dll等。
win11安装PyTorch2.2.2+cuda12.1+Python3.8
qq_34425255的博客
04-01 3811
确保自己已经安装好了Anaconda，确保自己要安装的cuda runtime版本是多少比如我这里Anaconda安装包版本是：Anaconda3-2024.02-1-Windows-x86_64.exe我结合自己电脑的硬件显卡名字是RTX 4060，算力是8.9，然后结合显卡驱动cuda driver版本最终确定自己电脑要安装的cuda runtime版本是12.1然后在Anaconda里面创建自己的虚拟环境，并要求Python版本是3.8然后记得激活自己创建的虚拟环境。
超详细win安装深度学习环境2025年最新版（cuda11.8+torch2.2）
热门推荐
imok1234567的博客
07-08 1万+
深度学习基础环境搭建
手把手教你Win系统配置深度学习(GPU)环境： Anaconda3+CUDA+cuDNN+pytorch
qq_51475793的博客
07-26 3535
最近跑行为识别的网络模型，所以需要在笔记本上配置深度学习的坏境，准备将踩过的坑都记录下来。巨详细的那种！！！ 配置：winsows系统，GTX3050显卡。（AMD显卡不能直接调cuda，只能装虚拟机，在Linux系统上安装ROMc来调cuda，巨麻烦，而且只有部分型号的amd显卡才支持安装ROMc） 1、 Anaconda安装 1.1 先下载Python还是Anaconda？ Anaconda！装anaconda，就不需要单独装在python了！ 1.2 Anacond...
CUDA10.2+cudnn7.6.5+pytorch1.10.0+torchvision0.11.1（win64）
weixin_45975858的博客
09-02 944
通过运行deviceQuery.exe和bandwidthTest.exe查看GPU的状态，两个文件均在安装目录的extras\demo_suite文件夹中。找到对应的pytorch版本（CUDA10.2+python3.9+win系统）按提示安装好后，需检查是否安装成功。安装包下载好后，双击安装包进行安装。下载地址同pytorch。
精选资源
cuda+python+pytorch安装说明
08-11
本文档详细介绍了在 Ubuntu 和 Windows 平台上安装 CUDA、cuDNN、PyTorch 以及相关库的步骤。 一、Ubuntu 安装 CUDA、cuDNN、PyTorch 及相关库 1.1 安装 CUDA （1）安装驱动。在系统设置 -> 软件和更新 -> 附加...
torch-2.2.0a0+6a974be.nv23.11-cp310-cp310-linux-aarch64.whl
12-11
jetson官方提供torch安装包需要系统默认环境是python3.10，不要在jetson上使用anaconda安装这个
史上最强 PyTorch 2.2 GPU 版最新安装教程
跟着大数据和AI去旅行
04-03 5622
史上最强 PyTorch 2.2 GPU 版最新安装教程
torch、torchversion、cuda对应版本
xiaohuoban115的博客
12-02 2675
torch、torchversion、cuda对应版本 官网有说明：pytroch官网说明 https://pytorch.org/get-started/previous-versions/
PyTorch 2.2 中文官方教程（二）
龙哥盟
02-04 2028
在 YouTube 上介绍 PyTorch PyTorch 介绍 - YouTube 系列 原文：pytorch.org/tutorials/beginner/introyt.html 译者：飞龙 协议：CC BY-NC-SA 4.0 介绍 || 张量 || 自动微分 || 构建模型 || TensorBoard 支持 || 训练模型 || 模型理解 作者：Brad Heintz 本教程与 YouTube 上的PyTorch 初学者系列一起进行。 本教程假定您对 Python 和深度学习概念有基本了解。
PyTorch 2.2 中文官方教程（十七）
龙哥盟
02-04 1863
在本教程中，我们想要强调一个新的函数，可以帮助实现 Transformer 架构。该函数被命名为。有关该函数的详细描述，请参阅PyTorch 文档。该函数已经被整合到和中。在高层次上，这个 PyTorch 函数根据论文中的定义，计算查询、键和值之间的缩放点积注意力（SDPA）。虽然这个函数可以使用现有函数在 PyTorch 中编写，但融合实现可以比朴素实现提供更大的性能优势。接下来，我们需要定义我们的模型类。这里需要设置几个用户定义的参数。
Centos7配置深度学习环境 CUDA 11.8+PyTorch 2.2.2
x737686314的博客
08-20 3147
但如果是普通用户安装，需设定安装路径为用户主目录下，光标移动到Change Toolkit Install Path按回车，手动修改安装路径后按回车退出路径配置界面。根据自己要求选择服务，我们只安装CUDA Toolkit 11.8，光标分别移动到Driver、CUDA Demo Suite 11.8、CUDA Documentation 11.8，按空格键，去掉选择。光标移动到Done按回车，退出配置界面，回到开始界面，光标移动到Install按回车，开始安装，安装完成如下图。
python安装PyTorch+cuda
qq_37430469的博客
07-04 619
下载完成后，将压缩包解压，将 bin、include、lib 3个文件夹复制到cuda的安装目录v11.8下。2,要实现这个结果非常复杂,很多环境不兼容等问题,今天这里一一解答。在for CUDA 11.x 里面随便选一个版本，我选的是最新版本。运行 nvcc -V 可知，当前cuda版本为 11.8。下载前要先注册信息，不算特别麻烦，勾几个√就行。4,下载后根据截图自定义安装,7,安装pytorch2.0。这里先要建立虚拟环境。
Windows下pytorch-gpu安装以及CUDA详细安装过程 附带各个版本安装包
weixin_46504244的博客
05-06 4823
2.Cuda的下载安装及配置 2.1安装Cuda 2.1.1查看本机是否有独立显卡 首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。 可以看到本机有一个集成显卡和独立显卡NVIDIA GeForce RTX 2080 SUPER ...
更新显卡驱动+下载安装cuda和cudnn+下载torch+查询CUDA和torchvision版本
qq_45128278的博客
03-09 3185
更新显卡驱动 首先在电脑->设备管理器->显示适配器里找到电脑的显卡配置。 然后进入网址 http://www.nvidia.com/Download/index.aspx 根据显卡型号搜索对应的显卡驱动并下载。
linux安装cuda、cudnn和pytorch
最新发布
04-01
<think>好的，我现在需要帮助用户解决在Linux系统上安装CUDA、cuDNN和PyTorch的问题，同时要注意版本兼容性。首先，我需要回顾用户提供的引用内容，确保信息准确。 用户提到参考了安装CUDA之前的步骤，比如确认GPU是否支持CUDA，访问NVIDIA官网下载对应版本，安装过程包括驱动程序和库的选择，以及验证安装。还有Anaconda和虚拟环境的搭建，PyTorch的安装。这些步骤需要详细梳理。 首先，安装前的准备：检查GPU型号，确保支持CUDA。用户可能在Linux下使用lspci或nvidia-smi命令。然后安装NVIDIA驱动，可能需要添加官方仓库或使用.run文件手动安装。这部分需要注意驱动版本与CUDA Toolkit的兼容性。 接下来是CUDA Toolkit的安装步骤，根据引用中的说明，下载对应版本的.run文件，执行安装。安装时可能需关闭图形界面，进入命令行模式。然后配置环境变量，如PATH和LD_LIBRARY_PATH，这一步很重要，否则系统可能找不到CUDA库。 然后是cuDNN的安装，用户需要注册NVIDIA开发者账号，下载对应CUDA版本的cuDNN，解压并复制文件到CUDA目录。需要确保cuDNN版本与CUDA版本匹配，否则可能出错。 接下来是Anaconda安装，用于创建虚拟环境，管理Python依赖。安装后创建环境，激活，然后安装PyTorch。PyTorch官网提供了不同CUDA版本的安装命令，必须选择与已安装的CUDA版本兼容的PyTorch版本，否则无法利用GPU加速。 版本兼容性方面，需要确认CUDA Toolkit、cuDNN、PyTorch之间的对应关系。例如，PyTorch 1.8可能要求CUDA 11.1，而cuDNN需要对应CUDA 11.x的版本。用户需要查阅各官方文档的版本要求，避免版本冲突。 验证安装部分，CUDA可以通过编译sample并运行deviceQuery来检查。cuDNN则可能通过检查头文件和库文件，或者运行测试代码。PyTorch中则用torch.cuda.is_available()确认是否识别GPU。 可能遇到的问题包括驱动安装失败，CUDA路径未正确设置，版本不匹配导致运行时错误。需要提醒用户仔细检查版本，参考官方文档，逐步操作。 现在需要将这些步骤整理成清晰的教程，分步骤说明，强调版本兼容性，并给出验证方法。同时生成相关问题，帮助用户深入理解可能遇到的后续问题。</think>以下是在Linux系统上安装CUDA、cuDNN和PyTorch的详细步骤及版本兼容性说明： --- ### **1. 安装前准备** #### **1.1 确认GPU支持CUDA** - 执行命令查看GPU型号： ```bash lspci | grep -i nvidia ``` - 访问[NVIDIA CUDA支持列表](https://developer.nvidia.com/cuda-gpus)确认是否支持[^2]。 #### **1.2 安装NVIDIA驱动** - 禁用系统默认驱动： ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf # 添加内容：blacklist nouveau / options nouveau modeset=0 sudo update-initramfs -u ``` - 重启后安装驱动： ```bash sudo apt install nvidia-driver-535 # 根据CUDA版本选择驱动版本 ``` --- ### **2. 安装CUDA Toolkit** #### **2.1 下载CUDA** - 访问[CUDA Toolkit官网](https://developer.nvidia.com/cuda-toolkit-archive)，选择与驱动兼容的版本（例如CUDA 11.8）。 #### **2.2 安装CUDA** - 执行安装命令（以CUDA 11.8为例）： ```bash sudo sh cuda_11.8.0_520.61.05_linux.run ``` - **安装选项**：取消勾选驱动（已提前安装）和所有组件（默认全选）。 #### **2.3 配置环境变量** - 在`~/.bashrc`中添加： ```bash export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ``` - 生效配置： ```bash source ~/.bashrc ``` #### **2.4 验证CUDA** - 编译并运行示例程序： ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make && ./deviceQuery ``` - 输出显示`Result = PASS`表示成功。 --- ### **3. 安装cuDNN** #### **3.1 下载cuDNN** - 访问[cuDNN官网](https://developer.nvidia.com/cudnn)，选择与CUDA版本兼容的cuDNN（例如CUDA 11.x对应cuDNN 8.9.4）。 #### **3.2 安装cuDNN** - 解压并复制文件到CUDA目录： ```bash tar -xzvf cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar.xz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` --- ### **4. 安装PyTorch** #### **4.1 创建Anaconda虚拟环境** - 安装Anaconda后创建环境： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` #### **4.2 安装PyTorch** - 根据CUDA版本选择PyTorch命令（CUDA 11.8对应PyTorch 2.0+）： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` #### **4.3 验证PyTorch** - 运行Python检查GPU支持： ```python import torch print(torch.__version__) # 输出版本号（如2.0.1） print(torch.cuda.is_available()) # 输出True表示成功 ``` --- ### **版本兼容性表** | 组件 | 推荐版本 | 兼容范围 | |------------|----------------|------------------| | CUDA | 11.8 | 11.0~11.8 | | cuDNN | 8.9.4 | 需匹配CUDA版本 | | PyTorch | 2.0.1 | 需指定`cu118` | | NVIDIA驱动 | ≥535.86.05 | 需支持CUDA 11.8 | --- ### **相关问题** 1. 如何解决安装CUDA时出现的驱动冲突问题？ 2. cuDNN未正确安装会导致哪些PyTorch错误？ 3. 如何在多版本CUDA之间切换？ 4. PyTorch如何强制使用CPU而非GPU？ --- **引用说明** - 环境变量配置和驱动安装步骤参考了CUDA官方文档。 - PyTorch安装命令需严格匹配CUDA版本[^1]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值